Lo que supone uno de los grandes avances científicos en materia de Inteligencia Artificial llega casi terminando el año 2023. Un estudio publicado en JAMA Network Open revela que una nueva tecnología de inteligencia artificial puede diagnosticar el autismo infantil a partir de fotos de los ojos de los niños con una precisión del 100%. 

Tal y como explican los investigadores de la Facultad de Medicina de la Universidad de Yonsei en Corea del Sur en el trabajo recientemente publicado, el equipo tomó fotografías de las retinas de 958 niños, todos con una edad entre 4 y 8 años. El siguiente paso consistió en fotografiar sus retinas para obtener un total de 1.890 imágenes. En el trabajo también explican que la mitad de los participantes ya habían sido diagnosticados con trastorno del espectro autista (TEA) y que la otra mitad eran participantes de control de la misma edad y sexo.

La gravedad de los síntomas del TEA se evaluó haciendo uso de las puntuaciones de gravedad calibradas del Programa de observación de diagnóstico de autismo – Segunda edición (ADOS-2) y las puntuaciones de la Escala de capacidad de respuesta social – Segunda edición (SRS-2).

Por último, una red neuronal convolucional, un algoritmo de inteligencia artificial de aprendizaje profundo, se entrenó en el 85% de las imágenes de la retina, junto con las puntuaciones de gravedad de los síntomas, todo ello con la idea de ayudar al algoritmo a construir modelos en los que basar su diagnóstico. ¿Y el 15% restante de las instantáneas? En este caso, se conservaron para que los investigadores realizaran pruebas. 

Cuentan en el estudio que la evaluación se ha basado en un nuevo método ideado por investigadores del Reino Unido, el cual les permite acceder a información sobre el cerebro mirando la parte posterior del ojo, donde la retina y el nervio óptico se conectan con el disco óptico. Un método que les ha permitido desarrollar un medio no invasivo para diagnosticar rápidamente las conmociones cerebrales al iluminar la retina con láseres seguros para los ojos.

Y es en este punto donde todos los científicos quedaron sorprendidos, ya que durante esta fase de prueba del estudio, la IA pudo diagnosticar a los participantes con autismo infantil con una precisión del 100%.

Al parecer, para la detección del trastorno en el conjunto de imágenes de prueba, la IA podía seleccionar a los niños con un diagnóstico de TEA con un área media bajo la curva característica operativa del receptor (curva ROC) de 1,00 (esta curva varía en valor de 0 a 1).

De esta forma, un modelo cuyas predicciones son 100% erróneas tiene una curva de 0,0; y uno cuyas predicciones son 100% correctas, tiene una curva de 1,0, lo que indica que las predicciones de la IA en el estudio fueron impresionantemente precisas, sin fallo alguno. De hecho, no hubo una disminución notable en la curva medio, incluso cuando se eliminaron el 95% de las áreas menos importantes de la imagen (aquellas que no incluían el disco óptico).

Según explican en su trabajo:

Nuestros modelos tuvieron un rendimiento prometedor a la hora de diferenciar entre TEA y TD [niños con trastorno del desarrollo] utilizando fotografías de retina, lo que implica que las alteraciones de la retina en el TEA pueden tener un valor potencial como biomarcadores. Curiosamente, estos modelos mantuvieron un AUROC medio de 1,00 utilizando sólo el 10% de la imagen que contiene el disco óptico, lo que indica que esta área es crucial para distinguir el TEA del TD. 

Nuestros hallazgos sugieren que las fotografías de retina pueden proporcionar información adicional sobre la gravedad de los síntomas. Observamos que la clasificación factible solo se podía lograr para las puntuaciones ADOS-2 y no para las puntuaciones SRS-2. Esto puede deberse a que el ADOS-2 lo realiza un profesional capacitado con tiempo suficiente para la evaluación, mientras que el SRS-2 generalmente lo completa un cuidador en unas pocas docenas de minutos; por lo tanto, el primero reflejaría el estado de gravedad de cada uno con mayor precisión que el segundo.

Aunque se requieren estudios futuros para establecer la generalización, nuestro estudio representa un paso notable hacia el desarrollo de herramientas de detección objetivas para el TEA, que pueden ayudar a abordar cuestiones urgentes como la inaccesibilidad de evaluaciones psiquiátricas infantiles especializadas debido a los recursos limitados.

El estudio finaliza su exposición recordando que los participantes tenían cuatro años como mínimo, y afirman que su modelo basado en IA podría utilizarse como herramienta de detección objetiva a partir de esa edad. ¿Y por qué no antes? Porque la retina del recién nacido continúa creciendo hasta los cuatro años, y se necesita más investigación para determinar si la herramienta sería precisa para participantes menores.